10 августа 2026 года Meta выпустила Muse Glimmer — 30-миллиардную модель с открытыми весами под лицензией Apache 2.0, оптимизированную для работы локальных агентов на потребительском железе. Одновременно Марк Цукерберг опубликовал эссе объёмом около 6500 слов, в котором изложил философию «персонального суперинтеллекта для каждого».
Модель Muse Glimmer построена методом дистилляции от более крупного учителя Muse Spark. Она прошла предобучение на логитах учителя, mid-training на длинных контекстах и агентских данных, а также пост-обучение с комбинацией supervised fine-tuning, on-policy дистилляции и reinforcement learning в областях рассуждений, кодирования и агентских задач. Контекстное окно превышает 120 тысяч токенов, модель поддерживает мультимодальный ввод и совместима со scaffold’ами вроде OpenClaw.
Ключевые оптимизации — 4-битная квантизация, снижающая потребление памяти до ~17–20 ГБ, и speculative decoding с лёгкой моделью-драфтером DFlash. Это позволяет запускать модель на MacBook M4/M5 Max или RTX 5090 с приемлемой скоростью для непрерывной работы агентов без облака.
В эссе Цукерберг противопоставляет свою позицию подходу лабораторий, стремящихся к централизации. Он утверждает, что баланс сил достигается не через единую «выровненную» суперинтеллектуальную систему, а через широкое распределение мощных инструментов между индивидами. Примеры: персональный агент, работающий 24/7 над здоровьем, финансами и отношениями; инструменты для изобретений и создания бизнеса; персонализированный репетитор; вклад в научные открытия через открытые биологические модели Biohub.
Методология оценки Muse Glimmer включает бенчмарки DeepSearch QA, MCP-Atlas, τ-Bench и SWE-Bench, а также тесты на надёжное использование инструментов, восстановление после ошибок и мультимодальное понимание. Однако детальные сравнительные таблицы с Gemma4-31B и Qwen3.6-27B в открытом доступе ограничены; полная методология отсылает к внутреннему отчёту Meta.
По сравнению с предыдущими открытыми релизами Meta (Llama-серия) акцент сместился на агентские сценарии и локальное исполнение, а не только на общие языковые способности. Это отличается от стратегии OpenAI и Anthropic, где продвинутые модели остаются закрытыми или доступны только через API. Параллельно китайские лаборатории (DeepSeek, Moonshot) активно выпускают открытые модели, усиливая давление на американских игроков.
Выпуск 30B-модели с открытыми весами и акцент на локальные агенты снижает барьер для разработчиков и исследователей, позволяя экспериментировать с долгосрочными workflow без зависимости от облачных провайдеров. Это может ускорить появление персонализированных агентов, но одновременно поднимает вопросы о контроле misuse в области кибербезопасности и биорисков при широком распространении.
Остаётся неясным, насколько Muse Glimmer действительно приближается к frontier-возможностям в сложных многошаговых задачах по сравнению с закрытыми моделями большего размера, и как сообщество независимо верифицирует заявленные показатели после релиза на Hugging Face. Следующие работы, вероятно, будут тестировать реальную устойчивость failure recovery и долгосрочную coherence агентов в реальных сценариях.
Открытый релиз Muse Glimmer и эссе Цукерберга вместе подчёркивают, что Meta ставит на распределение мощностей как механизм безопасности и прогресса, оставляя поле для независимой проверки и доработки модели сообществом.
